机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明物理 Muon：将正交化视为平衡计算
简介该论文提出 Physical Muon，用连续时间流的平衡态来计算矩阵正交化，以替代 Muon 优化器中依赖稠密矩阵乘法的 Newton–Schulz 方法，使其更适合模拟内存计算硬件。作者使用随机探针，通过矩阵向量乘、倒数读取和局部秩一写入来近似该流。在一个 1095 万参数的 Transformer 上，稠密流的验证交叉熵比 Newton–Schulz 高 0.0085，探针实现比对照高 0.0188，电路仿真也复现了相近的训练表现。
说明基于图条件的同策略智能体蒸馏：利用现成教师模型的 GC-OPD 方法
简介该论文提出 GC-OPD 方法，用于训练紧凑的语言智能体。它利用图结构整理教师的执行轨迹与证据，为学生生成的轨迹提供更丰富的评分上下文。在 ScienceWorld、ALFWorld Unseen 和 WebShop 上，与原始 OPD 相比，其平均成功率有所提高，且无需针对任务优化教师模型。
说明Video2STL：将视觉语言模型生成的时序规约用于机器人学习
简介该论文提出Video2STL框架，把仅含观察的视频转化为参数化的信号时序逻辑（STL）规约，并将其用于机器人策略学习。视觉语言模型先提取与具体机器人形态无关的语义事件序列并构建符号时序规约，数值阈值与时间边界则依据成功的机器人轨迹确定。论文报告在四个操作任务和四足机器人运动任务上取得了优于部分对比方法的成功率。
说明视觉-语言模型基准测试的分层压缩
简介视觉-语言模型的完整评测成本越来越高。本文提出PRIMEBench，一种面向视觉的分层基准压缩框架，包括数据清洗、类别代表选择、基于视觉方差的题目剪枝和类别数量剪枝四个阶段。在保留5%题目的情况下，它在未参与题目选择的模型上保真度最高，整套方案删除了超过97%的题目且基本保持模型排名。
说明从分歧到协调：在线策略蒸馏中的教师干预
简介在线策略蒸馏（OPD）利用更强教师的反馈，让学生模型在自身推理轨迹上训练。研究发现，仅看推演质量不足以决定教师应在何处、何时介入：干预越深，推演准确率的提升越小，而离策略负担却增加。作者据此提出MAESTRO方法，依据局部策略分歧来决定教师接管的时机与生成长度。在八个数学推理基准上，MAESTRO对0.6B和1.7B两种Qwen3学生模型都取得了宏平均准确率最高的结果，并使训练响应长度相比标准OPD减少67.3%。
说明ScaGNN：用于多重散射模拟的图神经网络
简介本文提出ScaGNN，一种基于学习的方法，用于近似边界元法中求解多重散射问题时的边界解。该方法采用图神经网络，并加入动态自适应边采样机制，选择最相关的远距离相互作用进行建模，使计算复杂度与输入图的节点数呈线性关系。作者还构建了包含多种多重散射问题的基准数据集，实验显示该方法在所考虑的任务上优于现有的基于学习的方法，并考察了其在更多障碍物及分布外障碍形状下的泛化能力。
说明监督式因果发现中数据与模拟器假设的解析
简介本文梳理了监督式因果发现方法：它从带有结构标签的模拟训练数据中学习，为新数据推断因果结构。作者分析了模拟器所携带的图、机制与噪声假设如何补充观测数据的信息，并区分目标在假设模型类下是否可识别，以及预测器能否泛化到训练分布之外。文章主张评估应与可识别的图目标相匹配，并检验训练与部署之间图、机制和噪声的变化。
说明学习检索缺失证据以支持长期记忆问答
简介该论文提出MERA（缺失证据检索增强）方法，将可全局搜索的记忆与针对具体问题的证据状态分开，已验证的证据用于指导后续检索。作者通过强化学习训练一个轻量级规划器，奖励能找回先前缺失证据的查询。实验中，基于Qwen3-30B的训练后0.6B规划器在LoCoMo上准确率为77.40%，在LongMemEval-S上为71.29%，分别比未经检索驱动训练的30B规划器高4.10%和3.96%。
说明用于概率时间序列预测的变分增广可逆Koopman自编码器
简介本文提出一种变分增广可逆Koopman自编码器（VAIKAE），将潜在嵌入设为高斯分布而非确定性表示，以量化预测的不确定性。该模型借助归一化流，使训练时能在动力系统的状态空间中计算似然。作者还提出基于该模型的不确定性感知潜在数据同化策略，并在长期时间序列预测基准上的一系列实验中验证了方法的有效性。
说明循环行动者：用于强化学习的深度循环推理模型
简介这篇论文提出 Looped Actor，一种基于 Transformer 的策略网络，通过共享计算模块反复迭代优化潜在表示，并根据当前状态动态决定循环次数，从而自适应分配计算量。作者在 22 个任务、六类环境中评估该方法，结果显示其在需要多步规划的环境中表现最为突出，并可与参数量多 16 倍的非共享基线相当或更优。
说明用于长期物体搜索的回溯式开放词汇记忆
简介本文针对长期物体搜索问题，提出回溯式开放词汇记忆方法 ECROM，依据机器人对各位置的观察机会，按比例调整检测或未检测结果对信念的影响。该方法可估计仅在查询时给出的概念的长期出现概率，并将结果直接转化为主动搜索的先验。作者在十个 HM3D 家庭场景中构建了受控的长期基准，以评估该方法。
说明LazySloth：基于大语言模型、有界惰性树搜索的快速长视频理解方法
简介该论文提出 LazySloth，一种基于树搜索的长视频理解与检索方法。它只对视觉语言模型判断为与问题无关的视频片段进行有界描述，从而减少计算量。论文称其速度比现有智能体方法快 2.9 至 8.3 倍，在四个基准上的准确率与同类方法相当或更好，并缩小了开源模型与 GPT-4o 的差距。
说明同时神经最优传输：用一个共享映射把多个源分布对齐到同一目标
简介这篇论文研究在无配对样本的条件下，用一个共享的传输映射同时把多个源分布对齐到同一个目标分布的问题。作者提出一种神经网络方法，在最小化平均传输代价的同时，让每个源分布都与指定目标对齐，并推导出对应的最大最小（max-min）学习形式。论文以图像修复为例，展示单一模型如何利用同一批干净目标图像处理多种退化类型。
说明稳健LassoNet：借助鲁棒损失函数改进神经网络中的特征选择
简介神经网络中的特征选择在数据含噪或被污染时较为困难。本文提出Robust LassoNet，将LassoNet的均方误差损失替换为Huber、Cauchy、Tukey双平方及非负Garrote等鲁棒损失，以减轻极端观测值的影响。实验表明，在存在异常值或重尾噪声时，该方法提升了预测性能和特征选择准确性，在干净数据上表现相当。
说明低比特后训练量化中的尺度敏感性：量化误差曲面的曲率
简介本文研究GPTQ类后训练量化方法中，均匀量化网格的尺度选择对层级重建误差的影响。作者证明在宽网络和高有效秩校准数据条件下，归一化误差会一致收敛到标准高斯分布上均匀量化器的均方误差，并指出最优尺度随量化级数增加而减小，其曲率随比特数近似指数衰减。实验在五个大语言模型上显示，尺度规则在2至3比特时对困惑度影响显著，6比特及以上几乎无影响；经Hadamard非相干处理后，高斯最优尺度在3比特及以上与最优搜索规则相当，但在2比特时仍明显较差。
说明《Look What You Made Us Cluster》：从 Reddit 讨论中提取仇恨叙事
简介这篇论文提出一种从网络讨论中提取仇恨叙事的方法，把叙事表示为“实体-评价”配对，并用大语言模型推理结合基于方面的情感分析来提取。提取出的叙事再用 Leiden 算法聚类，并通过大语言模型引导的细化过程调整到目标粒度。作者以 2024 年 Reddit 上批评泰勒·斯威夫特的英文评论为例，分析了一个呈现仇恨言论模式的代表性聚类。
说明面向长视频一致性生成的互补检索增强提示方法
简介长视频生成中，独立生成的镜头难以保持角色、场景和物体前后一致。该论文提出一种互补检索增强提示框架，通过将剧本解析为视觉元素登记表，并借助视觉语言模型标注的关键帧库，检索一组互为补充的历史参考图像。这些参考与元素状态及指令被整合为提示，输入冻结的视频生成器，无需重新训练。实验显示其在跨镜头一致性和文本可控性上优于基线方法。
说明面向复杂度的大语言模型代码理解评估
简介本文提出一种按代码复杂度分层评估大语言模型代码理解能力的框架，采用圈复杂度、嵌套深度、分支因子和Halstead体积等指标。作者用DeepSeek-Coder-V2和Llama对300个Python函数做输入输出预测，并对60个函数做语义理解的人工评估。结果显示，两个模型的正确率都随代码复杂度上升而明显下降，因此作者认为按复杂度分析比只看总体准确率更能说明模型的可靠性。
说明路由应能自我回本：面向经济型LLM路由的稀疏监督
简介该论文提出SaveRouter，一种稀疏监督的大模型路由框架，只选择性地收集信息量大的模型反馈，并在相关查询间共享能力信息。在四个路由基准上，主要设置仅使用约33%至41%的训练反馈，路由质量保持相当或更好，并将盈亏平衡部署量相比最快的传统路由器降低约1.9至9.5倍。
说明BeatDance：用分层时空建模生成与节拍一致的三维舞蹈
简介本文提出一种基于扩散模型的框架 BeatDance，用于从音乐生成三维舞蹈动作。其核心包括分层解耦注意力模块，分别学习人体姿态与时间动态，并同时捕捉短期与长期依赖；以及引入辅助的舞蹈到音乐模块进行循环一致性学习，使生成的舞蹈与音乐节拍更加对齐。作者称，该方法在两个基准数据集上优于近期的竞争方法。
说明直接经验世界模型优化：超越动作模仿，学习世界本身
简介论文提出直接经验世界模型优化（DEWO），用于世界-动作模型部署后的持续学习。除动作模仿外，它还通过视觉经验改进世界表征，学习成功与失败的未来走向，并在任务进展停滞时启用引导。在五个DexJoCo任务及四个真实世界任务上，作者报告了成功率的提升。
说明重新思考扩散语言模型并行解码中的软标记
简介扩散语言模型可以在每个去噪步骤同时预测并确定多个标记，但可能生成单独看合理、彼此却不一致的标记。本文在冻结的预训练扩散语言模型上系统研究软标记反馈如何改善并行解码，并针对传统软标记构造与预训练嵌入空间的几何不匹配，提出一种无需训练、考虑几何结构的软标记构造方法。实验在四个预训练模型和四个数学与代码基准上进行，结果显示该方法优于标准并行解码和无需训练的欧氏软标记基线。
说明随机监督能否约束会隐瞒不当行为的AI代理：一篇经济学理论论文
简介该论文从经济学理论角度研究，当AI代理可能隐瞒不当行为并篡改记录时，随机审计与评分能否使其行为符合要求。作者指出，更强的审计会使未被遏制的违规行为更难被发现。论文给出条件：若证据在被隐瞒后仍能保留，且审计抽查无法被提前预知，则罕见的审计也可能威慑各类代理；若证据可被抹除，则需通过降低违规收益或提高隐瞒成本来实现威慑。原文还提到，这些条件可用于解释2026年7月相关代理攻破部分基础设施的事件。
说明基于多任务学习的脑部MRI血管周围间隙负荷自动分级研究
简介本文关注脑部MRI中可见的扩大血管周围间隙（PVS），这类结构与脑健康状况相关，放射科医生通常依据临床分级量表人工评分。作者训练机器学习模型，依据Potters/Wardlaw量表自动评估基底节和半卵圆中心的PVS程度，并使用半自动生成的不完美分割掩模作为辅助训练信息。结果显示，同时进行分割与评分的多任务卷积神经网络效果最好，平均精度为64.08%，优于其他对比方法。
说明基于解剖结构感知的三维CT支气管镜可达性预测
简介本文将支气管镜可达性预测形式化为一项新的监督学习任务，并提出首个端到端框架。作者设计了解剖结构感知的混合专家模型（MoE），整合CT局部形态、肺叶解剖先验和支气管树路径几何三类专家模块。研究整理了438例带术前CT及手术结果记录的临床数据集，实验报告AUROC为0.8052，优于现有基线方法和经验丰富的医生。
说明MoTIF-X：以化学基序为锚点、可解释且可扩展的多模态分子表示学习框架
简介该论文提出 MoTIF-X 框架，以图结构中的化学基序作为共享锚点，整合分子图、SMILES 和三维构象等多种信息。模型先通过分层对比学习预训练基序表示，再用多模态掩码词元建模融合 SMILES 与扭转角信息。在 OpenADMET ExpansionRx 的九个终点上，MoTIF-X 的平均绝对误差均为最低，并可扩展到药物-靶点相互作用预测。
说明在潜在空间中进行高维仿真推断
简介神经仿真推断（SBI）通常用于从高维观测中推断少量可解释参数。本文提出将SBI与潜在生成模型结合：先学习仿真器参数的低维表示，在该潜在空间中做后验推断，再把后验样本映射回原参数空间。作者分析了潜在空间推断恢复目标后验的条件，并在四个案例和三类生成模型上做了对比实验。在训练计算量相同的情况下，该方法的准确性和边缘校准与直接在目标空间推断相当，采样速度最高可快一个数量级以上。
说明循环Transformer作为优化器：把循环隐藏状态看作快速权重，用局部梯度式更新来设计循环转移
简介这篇论文研究循环Transformer（重复使用共享Transformer模块以扩展深度）的循环转移设计。作者把循环隐藏状态视为在深度方向上不断更新的快速权重，并将转移写成基于投影、局部目标和优化器更新规则的闭式形式。据摘要所述，作者先对齐现有转移的输入映射，再提出结合显式权重衰减、自适应步长和delta目标的OperLoop；在相同训练FLOPs下，对齐后的变体降低了训练损失并提升平均常识准确率，OperLoop的平均生成性能也优于对比的循环与非循环基线。
说明Do-JEPA：从遮挡到干预的潜在世界模型
简介这篇论文提出Do-JEPA，用于训练潜在世界模型。与只遮挡模型可见内容的方法不同，它在同一模拟状态下比较执行动作与参考动作后的两种潜在未来，并让模型预测两者的差异，以区分动作的因果效应与单纯的共现。论文在合成系统、像素输入及CausalWorld基准上验证该方法，结果显示其在动作效应预测上优于同数据训练的对照，但从头训练会损失一定的事实预测精度，对已有模型进行微调可消除这一损失。
说明论在线策略蒸馏中提示数据如何影响迁移效果
简介该论文研究在线策略蒸馏（OPD）中学生模型依据教师反馈学习时，提示的数量、来源和选择方式如何影响师生模型之间的知识迁移。研究发现少量提示即可接近大规模提示池的效果，但提示的效用取决于师生模型组合，改变教师模型可能逆转数学与代码提示的相对效果。结论认为，有效的数据选择依赖于具体的师生组合和目标能力，在所研究的设置中随机采样是有竞争力的基线。
说明MG-Thinker：面向多图推理定位的双轴自我反思方法
简介本文提出MG-Thinker，一种基于强化学习的后训练框架，用于多图像推理定位任务，即在真实多图场景中进行像素级精确定位。作者构建了包含2.5万条样本、带有任务自适应思维链标注的数据集，并提出双轴DAPO方法，以应对任务与样本难度分布不均的问题。实验表明，该方法在多图推理定位上达到当前最优水平，并在多图理解及多种多模态基准上提升了泛化能力。
说明先思考再打分：面向视觉生成的思考型奖励模型
简介本文提出“先思考再打分”范式，并据此设计思考型奖励模型（TRM），它会为每个案例动态生成评估准则，依据准则评估并给出细粒度的逐点奖励。作者还提出成对双组相对策略优化（PD-GRPO），用成对监督提升奖励区分度并保留细粒度打分。在图像生成与编辑的奖励建模基准上，TRM在开源奖励模型中达到最优，并与商用模型具有较强竞争力；将其用于强化学习也能持续改进多种视觉生成模型。
说明将学习问题编译为语言模型的适应程序
简介本文提出“适应编译”，把模型该在哪里、以何种方式、调整到什么程度的问题视为联合预测与决策问题。编译器从先前的适应经验中学习，在适应开始前预测各候选程序对获取、迁移、有界性与保持等方面的影响，并据此选定程序。在 Llama-3.1-8B 上，所选程序接近穷举搜索的效果，并优于通用及针对单一目标的默认方案；在 Gemma-2-9B 上的复现也得到类似的程序差异与选择空间。
说明一次预训练，处处可路由：迈向大语言模型路由的基础模型
简介该论文提出RouteFM，为大语言模型路由学习可复用的基础能力，无需为每个任务或候选模型池单独训练路由器。模型通过在多种异构路由环境中的回合式预训练，仅凭上下文即可适应新环境。在未参与预训练的MMR-Bench上，每个候选模型仅用8次观测，性能比最强基线高2.23个质量分。
看点提出从本地拟合转向可复用的路由基础模型范式，并在未参与预训练的基准上验证迁移能力，新颖性较突出；实验覆盖多种变化但仍需更多对比。
说明SemOPT：通过奖励引导搜索修正基于大模型的优化建模语义错误
简介运筹优化问题通常需要把自然语言描述转化为可执行的求解器代码，大语言模型可以自动完成这一步，但容易出错。本文指出语义错误（代码能运行并给出目标值，却违背原问题意图）难以察觉，因而提出SemOPT框架。该框架结合语义奖励模型与自适应修正系统，在建模空间中进行分层奖励引导搜索。在七个优化建模基准上的实验显示其达到新的最优水平，在复杂数据集上平均比最强基线准确率提高7.6%。
说明数据稀缺下用于模型选择的视觉异常合成
简介该论文提出一种在无目标设备缺陷样本的情况下，在真实无缺陷图像上合成不同严重程度缺陷的框架，用于工业缺陷检测模型的选择与验证。作者在MVTecAD上做模型选择实验，图像AUROC的选择遗憾可比最佳固定模型减少近一半。在水电站Pelton水轮机案例中，用合成图像选择并验证PatchCore模型，检测性能为94%（最佳阈值）、AUROC为0.97；中度和严重缺陷检测可靠，早期缺陷仍具挑战。
说明Encore：基于少量示范的机器人操作策略自主发现
简介论文提出ENCORE方法，让编码智能体把少量人类示范当作证据来阅读，而非训练数据，据此编写并迭代机器人操作策略程序，之后冻结程序并在封闭评测中测试。在LIBERO-PRO上，有示范时智能体首版程序在一半受扰动任务中成功，冻结程序成功率为96.3%，高于同一语言模型下的最强既有智能体系统（89.3%）；在指令未说明目标的RoboDojo任务上，无示范时没有程序能成功。该方法还在真实双臂机器人上以每项五次示范学会了方块交接与杯子翻转。
说明NinaXander：通过共享潜在空间拼接不同架构冻结语言模型的可行性与局限
简介本文提出 NinaXander，用一个训练好的共享潜在适配器，把不同架构族的冻结语言模型各自的层连接起来组成新模型，无需重新训练。实验使用循环式 RWKV 与 Transformer 式 Pythia 两个模型，前 5 层 Pythia 接其余 27 层 RWKV 的组合把 KV 缓存减少 84.4%，准确率与 RWKV 无显著差异。但多项选择准确率均未达到父模型 Pythia，WikiText 上的语言建模表现也明显下降，作者指出这并不表明两模型共享通用语义空间。
说明通过求解器反馈训练大语言模型生成高难度混合整数线性规划实例
简介论文提出一种挑战者与求解器非对称自博弈方法，让大语言模型生成既可行又计算困难的优化问题实例，无需种子实例。难度以分支定界节点数和割平面后松弛间隙衡量。作者基于Gemma-4-12B和Qwen3.5-4B训练出OptiScribe模型，在设施选址和最大割问题上，生成实例的SCIP搜索节点中位数最多提升至基础模型的15.6倍左右。
看点提出基于求解器反馈、以分支定界节点数和割后松弛间隙衡量难度的挑战者-求解器自博弈方法，在两类MILP上相对基座模型显著提升难度，实验较充分。
说明先寻找证据再行动：面向视觉语言导航进度定位的证据搜寻方法
简介本文针对视觉语言导航中智能体在证据缺失时仍盲目前进的问题（作者称为“进度近视”），提出SeekVLN框架，将语义进度推理与主动获取任务相关观测结合。训练分两阶段：先用未来引导的反向生成构造含补充视角和证据标注的轨迹进行监督微调，再用反事实对比策略优化按搜寻后的导航收益进行强化微调。论文报告在R2R-CE和RxR-CE上成功率分别提升12.7%和7.5%。
说明端口哈密顿潜在推理：缓解测试时计算扩展中的推理漂移悬崖
简介论文研究在连续潜在空间中进行迭代推理时出现的“推理漂移悬崖”现象：推理步数增加后准确率明显下降。作者提出端口哈密顿潜在推理（PH-LD）及直接梯度纯张量亥姆霍兹-霍奇分解（DG-HHD）方法，在保持表达能力的同时抑制长程漂移。原文报告DG-HHD峰值准确率为58.67%，K=32时保持35.27%，并在小型语言模型多跳因果推理上表现出随计算量单调提升的趋势。
说明PCaPaint：通过缓解捷径学习实现前列腺癌图像修补
简介该论文提出PCaPaint方法，基于潜在扩散模型在前列腺癌MRI中合成肿瘤区域，以缓解模型只复制遮罩条件图像的捷径学习问题。方法包括：用高斯噪声填充条件图像、针对病灶区域设计训练目标，以及分别压缩T2w与DWI&ADC序列的多序列潜在表示。实验称，合成数据可提升前列腺病灶分割、患者级分类和病灶级检测的下游表现，且优于近期基于潜在扩散模型的肿瘤修补方法。
说明TAEC：面向多步视觉检索增强生成的轨迹感知证据协调方法
简介多步视觉检索增强生成通过反复检索视觉证据来回答复杂问题，但检索到的证据在推理过程中未必能被有效利用。本文提出无需训练的TAEC框架，依据未解决的答案需求协调证据使用：追踪共享的轨迹状态，以决定哪些证据进入上下文、如何保留累积记忆，以及以何种细节程度查看视觉证据。在ViDoSeek、SlideVQA和MMLongBench-Doc上，TAEC在多个商用视觉语言模型上取得最高平均准确率，优于领先的免训练基线。
说明何时检索、何时保留：面向流式视频大模型的不确定性感知时序证据分配
简介该论文针对流式视频大模型在有限视觉处理预算下如何选择证据的问题，提出了无需训练的 WRWS 框架。它用轻量视觉-语言编码器衡量查询与历史画面的相关性，并以相似度分布的归一化熵作为检索不确定性的代理，据此在语义检索与近期优先之间自适应分配证据。实验在 StreamingBench 和 OVO-Bench 上取得有竞争力的准确率，平均视觉到回答时间降至现有最优方法的 47.93%。
说明差分隐私下数据重构的急剧转变：当隐私预算约为数据维度时，单个训练样本从可防御变为可重构
简介该论文研究在知道其他全部训练数据的知情攻击者，能否从满足ρ-零集中差分隐私的模型中重构出单个d维训练样本。作者证明重构能力在ρ与d相当时发生急剧转变：ρ远小于d时基于熵的下界表明重构在信息论上不可能；ρ远大于d时，对带输出扰动的私有线性回归的简单攻击表明重构实际可行。若数据位于s维子空间，转变点移至ρ约为s，并通过合成数据与CIFAR-10、ImageNet图像实验予以验证。
看点建立了ρ≍d的数据重构相变，给出信息论下界和线性回归攻击上界，结论对隐私预算选择有指导意义；实验覆盖合成数据与CIFAR-10、ImageNet。
说明HyperSAM：面向高光谱遥感的可提示基础模型
简介该论文提出 HyperSAM，一种可通过提示进行交互的高光谱遥感基础模型。它利用 SpaceNet 高分辨率多光谱影像合成全光谱高光谱数据，并基于 SAM3 构建光谱适配架构，同时引入噪声标签的置信度选择机制。作者称该模型在分类、异常检测、变化检测、目标检测和溢油制图等多种任务上具有较强泛化能力。
说明UGO：面向通用多目标分割跟踪的统一架构
简介本文提出UGO，一种统一的通用多目标跟踪方法，仅依据视频第一帧中用户指定类别的一个示例，跟踪该类别的所有实例。方法结合示例条件检测头与实例传播头，并采用免训练的能量最小化方法将重叠候选整合为互斥的像素级掩码，同时配合全局与实例级的分层记忆机制。论文称其在通用多目标跟踪基准及视频目标计数任务上达到新的最优水平，并与专用多目标跟踪方法具有竞争力。
说明OFBD：面向长尾学习的目标聚焦背景去偏方法
简介这篇论文研究视觉识别中长尾数据分布下尾部类别性能下降的原因，发现标准长尾训练会使模型表示和优化受背景偏差影响，尾部类别受背景分布偏移和背景梯度影响更大。作者提出OFBD框架，包括前景引导的CutMix和背景引导的特征修正两个部分，并称该方法可作为插件用于主流长尾方法，实验显示其提升了整体准确率和尾部类别表现。
说明领域是残差：适配自监督特征而非生成器
简介该论文提出表征特征适配器（RFA），用于在图像中去除雾、雨、雪等天气或渲染风格等源领域信息并保留场景内容。方法基于DINO特征图，只训练一个约290万参数的适配器及其判别器，编码器和解码器保持冻结。实验显示，其在雾、夜间等条件下多项指标优于CycleGAN-Turbo，并在雨的去除上表现突出，但对场景结构的保留略逊于对比方法。
说明不停止的求解：小模型上的同策略蒸馏
简介该论文研究同策略蒸馏（学生在自身输出上学习更强教师的反馈）在小模型上迁移了什么，将Qwen3-8B蒸馏到Qwen3 4B、1.7B和0.6B学生模型，分别在思考模式与非思考模式下比较。结果显示，蒸馏主要迁移了解题能力，但在思考模式下并未迁移判断解题完成（停止推理）的能力，学生模型越小，这种停止能力保留得越少。
说明VISTA：面向多模态情绪冲突的价值感知事件评估
简介论文提出 VISTA 方法，用一个可学习的七字段事件评估接口，依据人的关切、事件关系与表达条件来仲裁各模态线索，从而解读相互冲突的情绪信号。在 CA-MER 数据集上，该方法的冲突样本准确率达到 64.5%，优于模态门控方法。研究还显示，打乱评估信息或切断其决策连接都会削弱效果。
说明基于扩散模型的组合优化中的并行回火方法
简介该论文针对用离散扩散模型在图上求解组合优化问题的推理阶段，提出 PT-Denoise 方法。它让多条并行去噪轨迹通过并行回火相互作用，每条轨迹分配不同温度并依据表现交换温度，无需重新训练或微调去噪器。作者在典型的图结构组合优化问题上的实验显示，该方法能稳定提升找到的最优解质量，且只增加很少的计算开销。
说明Mubric：借鉴变异测试生成大模型评估量规
简介本文提出Mubric，一种受软件变异测试启发的评分量规自动生成方法。它从优劣回答对中挖掘常见缺陷，并将其抽象为可复用的变异算子，用于向参考回答注入缺陷，再据此完善量规。在四个领域的703项任务上，Mubric的整体评估准确率最高，比最强基线高出7.48个百分点。
说明PowerMarketJax：面向电力市场多智能体强化学习的 JAX 基准测试套件
简介本文提出 PowerMarketJax，一个用于电力市场多智能体强化学习的基准测试套件，涵盖日前批发、实时平衡、辅助服务、点对点双向拍卖和本地灵活性五类市场。各环境分别实现了自身的出清、定价和结算规则，并提供统一的学习与评估框架。作者发现，学习到的报价行为与市场设计密切相关。模拟与策略训练均在 JAX 中实现，全流程可在 GPU 上运行，相比基于 CPU 的基线最高可加速 33 倍。
说明LabInstruct：面向实验室操作流程的情境化教学视频生成基准
简介该论文提出 LabInstruct 基准，用于评估在真实实验室中根据初始工作区图像和自然语言指令生成教学视频的能力。基准包含 5 个学科的 204 个任务，并附有真实参考执行过程及对象、动作、接触和状态变化的结构化标注。对 8 个前沿图像到视频模型的测试显示，视觉上逼真的生成结果往往在操作流程上是错误的。
说明接下来会怎样？Omni-StoryBench：评估基于故事的全模态生成
简介本文提出Omni-StoryBench基准，用于检验模型能否在图像、旁白和语音之间连贯地续写故事。每个样本给出当前绘本页面和结构化的下一页条件，要求模型生成下一幅插图、旁白和角色台词，共包含900个经人工验证的故事转换，取自可公开授权的儿童绘本。作者用模态专用指标和以一致性为核心的LLM评判标准进行评估，发现采用强视觉语言模型规划的编排式方案最为可靠，而当前的原生全模态模型在输出完整性和可控性上常有不足；图像生成与视觉连续性是所评估配置中最明显的瓶颈。
说明ContextAdapt：评估大语言模型在不同语境中的价值适应与对齐
简介该论文提出ContextAdapt评估框架，涵盖诚实、自主和保密三项价值，涉及医疗、法律、金融和国家安全四个领域，依据专业与监管文件构建测试情景。研究对12个大语言模型的建议行为与理由进行评估，发现模型整体适当率为95.6%，但正确使用领域专业理由的比例差异较大。变化风险程度时，模型在部分情况下会改变回应，即便底层专业义务未变。
说明智能体基准测试是否名副其实？工具使用型智能体环境的可执行契约审计
简介本文审计四个基准测试中34个会修改状态的工具，检查其实现是否与所宣称的接口一致，并追溯评分的依据。作者确认了7个工具缺陷和1个评估器特性，并指出部分基准的评分可能奖励错误的操作结果。
看点提出把工具接口视为可执行契约并审计基准评测，发现多处工具缺陷与评估器漏洞；实验覆盖34个工具，证据较扎实，对智能体评测可信度影响较大。
说明利用大模型生成的解释检测情绪改写后的假新闻
简介假新闻可能带来严重社会后果。作者研究在保持事实不变、仅改变情绪的改写条件下的假新闻检测，构建了情绪改写测试集，并从原始新闻生成解释作为稳定的背景知识。他们提出门控交叉注意力（GCA）框架，自适应地融合情绪改写的新闻与对应解释。在 PolitiFact、GossipCop 和 LUN 上的实验显示，该方法在 PolitiFact 和 LUN 的多种情绪条件下有明显提升，在 GossipCop 上保持有竞争力的表现。
说明FLASH：一种“一次生成、多次合成”的工业异常样本合成框架
简介论文提出 FLASH 框架，用于在真实缺陷稀缺时扩充工业异常检测数据集。该方法仅依据正常图像，借助视觉语言模型和图像生成模型先生成少量缺陷图，再提取、验证并存储可复用的缺陷块，之后将其无缝融合到新的正常图像上，无需逐样本生成。在 MVTec AD 2 数据集上，FLASH 合成的异常样本在图像级 F1 上达到 78.1%，接近 83.6% 的真实异常上限，且合成速度比逐样本生成方法快 11.95 倍以上。
说明隐藏推理必然泄露，但未必可读：思维链监控的根本机会与局限
简介本文研究推理模型能否在思维链中隐藏计算而不被监控器察觉。结论取决于任务难度与模型规模：简单计算可以隐蔽进行，但超过某一阈值后，成功解题必然向思维链泄露近似线性量的隐藏任务输入信息。在合理的密码学假设下，即使单层Transformer也能在线加密其推理，使任何多项式时间监控器都无法提取隐藏计算的信息。
看点证明复杂隐藏计算必然在思维链中泄露近线性信息，并用密码学假设构造不可读的加密推理，理论贡献新颖，实验验证规模有限。
说明ReMem：重新思考长上下文推荐智能体中的感知与记忆
简介该论文提出推荐智能体框架ReMem，用截图加OCR工具替代解析原始HTML来感知商品页面，并采用分块顺序更新的固定大小动态记忆来建模长期用户偏好。作者还设计了多记忆GRPO变体以优化记忆更新。在三个数据集的搜索、排序和判断任务上，该方法平均提升5.16%，优于现有基线。
说明混合联合-选择性优化：对低维关注参数进行降维空间Levenberg-Marquardt精修
简介本文提出混合联合-选择性优化框架（HJSO），面向只有少量可训练参数真正受关注的大规模数值问题。方法先对全部参数做一阶联合优化，再冻结其余变量，只对低维的关注参数用降维空间的Levenberg-Marquardt方法精修。作者在矩阵特征值问题、基于物理信息神经网络的逆Bratu问题和100维非线性Black-Scholes问题（DeepBSDE方法）上进行了测试，结果显示其达到误差阈值的速度快于联合一阶基线，且报告的配置下最终精度有所提升。
说明MetaCtrl：用元认知控制器让大语言模型推理更好、更简洁
简介大型推理模型靠多花计算来解题，但更长的推理未必更好，简单题上还会产生大量冗余。论文提出MetaCtrl，一个轻量控制器，在不重新训练推理模型、不预设令牌预算的前提下，依据推理过程动态决定继续、简化、跳过冗余步骤或结束推理，并用强化学习训练。在七个涵盖数学、科学和代码的基准上，它提升了准确率并缩短了生成长度。
看点将推理调控建模为序列元认知控制，用强化学习训练轻量控制器，在七个基准上同时提升准确率并缩短生成，新意明确。
说明零训练特征空间对齐：基于信息几何的测试时鲁棒性方法技术说明
简介本文提出零训练的 Fisher 几何对齐方法（ZFGA），在不修改模型参数的情况下，通过闭式线性变换将测试特征的 Fisher 几何与干净数据的参考几何对齐，以提升协变量偏移下的鲁棒性。在 CIFAR-10-C 与 ImageNet-C 上，使用 ResNet-50、DINO ViT-S/16 和 CLIP ViT-B/32 进行评估，ZFGA 相比零样本推理均有提升，并且是六种对比方法中唯一不明显损害三类模型的方法。作者称几何失配与鲁棒性下降存在初步正相关。
说明扩展全共形图像分类器
简介该论文针对图像分类中的共形预测方法提出改进。全共形预测统计效率高但计算代价大，作者借助零样本视觉语言模型先筛除不太可能的标签，只对剩余候选应用全共形预测，并提出基于秩一逆协方差更新的 SO-LDA 适配方法。论文报告在 ImageNet 等基准上，该方法测试开销适中，预测集更高效，经验覆盖率比拆分共形方法更稳定。
说明为何跨骨架动作重定向不可辨识：生成式动作模型的结构性局限
简介论文指出，跨骨架动作生成模型在稀疏、异构的动作数据上，可能无法区分“真正依据源动作片段进行转换”与“只生成某类动作的典型运动”，因此源条件映射在结构上不可辨识。作者提出源实例保真度（SIF）诊断方法，检验输出之间的差异是否与源片段之间的差异一致。结果显示，在动物动作数据上通过标准动作级测试的方法，往往仍停留在忽略源片段的基线水平。
说明RoboHarness：一个简单的“外壳”框架，表现超过VLA与世界动作模型
简介该论文提出RoboHarness，一种机器人“外壳”框架，为大语言模型智能体提供视觉-几何控制面板，使其能够直接理解并调用具身任务。作者认为，相比训练输出动作的视觉-语言-动作（VLA）模型，编码智能体配合这一框架即可实现通用的具身操作。论文称，在BEHAVIOR Challenge 2025任务上，Qwen3.8-Flash-Next的表现优于当前最先进的VLA模型，且实现代码已开源。
说明SafeLLM4SE：基于大语言模型的软件工程系统统计评估与报告方法
简介本文提出 SafeLLM4SE，一套用于统计上可靠地评估基于大语言模型的软件工程系统的方法与报告标准。它把模型输出视为随机过程的实现，区分质量、稳定性与估计不确定性，并结合自适应采样、置信区间、效应量等手段，同时提供可复现的开源 PyPI 软件包。作者以 HumanEval 基准上比较两个大语言模型为例说明其应用。
说明VISTA-Bench：基于图像专属评分标准评测多语言图像翻译
简介该论文提出 VISTA-Bench，一个覆盖 22 种语言、10 个领域的多语言图像翻译基准，并设计了面向每张图像的评分标准评测方法。基准结合抽样与模型辅助、人工校验的标注，并提供多语言参考译文。作者用该基准评测了 16 个主流模型，包括 12 个多模态模型和 4 个文本输入模型，并从语言、领域和评测维度进行了分析。
说明AssayRouter：利用历史效用先验为冻结分子预测器路由选择
简介实验室常遇到只有16到64个标签的新分子检测任务，而可用的预测器训练数据和参数都不可获取。AssayRouter把已完成的检测任务当作伪目标，用加入候选预测器后留出数据上发现损失的降低来衡量每个候选的效用，并训练共享回归器预测该效用。在新任务上，它选出四个来源并拟合凸组合器；在24个外部回归任务上，相比Support-CV@4降低了严格四调用负对数似然0.0409。
说明SAM 遇上 VLM：面向统一医学推理与分割的参数解耦全参数训练
简介该论文针对医学多模态大模型既要回答临床问题又要定位图像依据的需求，提出参数解耦训练框架。框架将 <SEG> 隐状态作为从语义到空间的分割提示，使其与通用语言状态分离，并分三阶段训练：先对齐视觉与临床语言，再用 Davies–Bouldin 指数监控 <SEG> 提示的可分性并缩放分割梯度，最后在冻结 VLM 的情况下专门优化 SAM 分支。实验表明，该方法在医学指代分割、定位、视觉问答和文本问答上取得较强的语言条件分割效果，同时保持有竞争力的推理能力。
说明Transolver-σ：用于神经网络求解偏微分方程的谱—物理联合子空间建模
简介该论文提出 Transolver-σ，一种结合谱空间与物理状态空间的神经网络偏微分方程求解器，用于替代数值模拟。作者在五个偏微分方程基准上测试，并在耦合多物理场和真实流体、燃烧测量数据上验证其效果。论文报告，相比各指标下最强的基线模型，其基准平均相对误差降低 33.4%。
说明借助几何信息与部分信道估计的信道推演（使用未校准数字孪生）
简介本文针对无线MIMO-OFDM系统中高维信道状态信息获取开销大的问题，提出一种几何辅助信道推演方法（GCD），利用仅含近似环境几何与位置的未校准数字孪生提供结构信息。方法从数字孪生中提取几何特征，通过随机提示增强将其转换为类似CSI的表示，再与少量导频得到的瞬时信道估计融合，并在网络中支持可变导频配置。实验表明该方法在信道获取质量、导频开销和鲁棒性方面表现良好，且能较好地推广到新场景。
说明面向非单射神经映射的任务相关零空间残差
简介神经网络中的非单射映射会把不同输入压成同一表示，从而在输入空间中隐含地产生等价关系，但被消除的输入差异有时仍是下游任务所需的。本文提出任务相关零空间残差（NSR）框架，从映射前的表示中提取零空间分量，并在保持原有聚合或合并规则的前提下，利用下游监督恢复可能有用的信息。实验涵盖词元合并与图聚合两类设置，结果显示NSR在语义分割等任务上有明显提升。
说明非交换李代数状态空间模型：有限可除簇律、半直积级联与梯度鞍点逃逸
简介论文提出非交换李代数状态空间模型（Lie-SSM），在李代数切空间上通过矩阵指数参数化循环更新，以处理传统对角状态空间模型难以跟踪的非可解群和三维刚体流形。作者给出SO(3)与SU(2)单层有限可除判据、深度为2的半直积与Schreier级联结构，并分析了梯度鞍点及其逃逸性质。论文在群论任务与三组三维惯性测量单元（IMU）数据集上报告了实验结果。
说明主动式智能体的基础：原则、技术层与 Proactivity-Gym 评测平台
简介本文提出设计、实现和评估主动式大语言模型智能体的基础框架，围绕任务能力、时间分配与信任三项原则展开，并给出五个设计维度。作者还提出基于模拟的评测平台 Proactivity-Gym。在 23 种模型与框架配置上的测试显示三项原则之间存在明显性能差距，一项 30 人的用户研究发现，干预失当即使结果正确也会导致用户信任明显下降。
说明扩散语言模型应如何编辑代码？比较四种编辑接口，探讨其在定位修改位置与生成新内容之间的平衡。
简介该研究比较了掩码扩散语言模型在四种代码编辑接口下的表现：整文件重写、搜索替换、先定位后填充和词元级编辑，实验基于CanItEdit数据集。结果显示，当提供正确的编辑位置时模型能生成协调的修改，但若需模型自行预测这些位置，能力大幅下降。研究认为，编辑接口必须覆盖所有需要修改的区域，同时尽量减少对未改动代码的重新生成。
说明UniAfford：面向可泛化2D-3D可供性感知的令牌路由多任务学习
简介该论文提出UniAfford统一框架，用于定位支持具身交互的可操作区域（可供性）。方法以多模态大模型为共享语义中枢，通过模态感知的令牌路由器生成图像与点云的可供性查询，分别驱动像素解码器和点云解码器，可在2D、3D或联合输入下进行推理。实验显示其在2D与3D基准上无需目标微调即可实现零样本泛化，并在模态隔离协议下取得分支级的领先表现。
说明超越注意力失衡：通过频谱手术缓解大视觉语言模型幻觉
简介该论文关注大型视觉语言模型（LVLM）的幻觉问题。作者指出，此前多数方法只针对跨模态注意力失衡进行处理，且常依赖耗时翻倍的对比解码。论文提出了无需训练、也不使用对比解码的FLASH框架，通过频谱涡旋分数定位视觉注意力头，并在解码时进行自适应频谱调制。作者称其在性能与效率的平衡上优于现有方法。
说明高效近似注意力机制是困难的：一项关于均匀近似计算极限的理论证明
简介该论文研究Transformer中softmax注意力的二次计算成本能否被快速算法以一致的近似保证来降低。作者在标准复杂度假设下证明，没有任何真正次二次的算法能够对所有输入一致地以非平凡的加性或相对误差近似注意力。该结论还延伸到KV缓存多项式预处理之后以及稀疏场景，说明一致近似的计算极限已被确定。
看点证明在标准复杂度假设下，任何次二次算法都无法对注意力做一致的非平凡近似，明确划定了计算极限，理论上有突出贡献。
说明基于点云、考虑碰撞并与观测对齐的物体中心场景重建
简介本文提出COOL框架，用于从点云重建场景中的物体。它以实例点云和背景点云作为生成条件，并加入显式碰撞损失，通过联合优化与重采样减少推理时的碰撞。作者在3D-Front和Scan2CAD数据集上的实验显示其场景保真度、观测对齐与碰撞减少效果较好，并验证了其对掩码误差的鲁棒性及在真实场景复制品上的适用性。
说明基于损失引导的时间序列基础模型预训练数据筛选
简介论文针对时间序列基础模型（TSFM）预训练数据中大量窗口未经评估的问题，提出一种静态数据筛选方法：用参考预测模型为每个窗口打分，并在每个源数据集内保留中间区间的样本。作者从理论上说明，在局部雅可比条件下，归一化平方损失可以控制单样本梯度范数，并据此定义参考损失分数，再按数据集分层选择以保持多样性。实验表明，该方法在多种TSFM架构上优于随机选择，并以更少的候选窗口使相对MASE和CRPS优于全量数据预训练。
说明V-JEPA Policy：基于预测式视觉潜空间构建有效的世界-动作模型
简介本文提出 V-JEPA Policy，用冻结的 V-JEPA 2.1 编码器潜空间构建世界-动作模型，同时预测未来视觉潜状态并生成机器人动作，无需依赖完整的预训练视频生成模型。在 LIBERO、LIBERO-Plus 和 RoboCasa-GR1 上，其表现与代表性基线相当，在分布偏移下尤其突出。论文还显示，在无动作标签的 DROID 视频上预训练预测器，有助于下游控制和分布外泛化。
说明基于码本引导的跨模态知识蒸馏：用于结构异构特征
简介该论文提出一种跨模态知识蒸馏框架，借助向量量化码本，把教师模型的特征抽象为一组向量形式的编码，作为学生模型学习的概念级锚点。这样即使视觉的二维空间特征与音频的一维时序特征结构不同、缺乏单元级对应，也能完成知识迁移。作者在分类和语义分割等多种跨模态蒸馏场景中验证了该方法的有效性。
说明Trident：统一 PyTorch Triton 工作负载的受保护分派与主机执行
简介这篇论文针对 PyTorch 中自定义 Triton 内核在设备执行时间很短时，端到端延迟常受主机端调度开销主导的问题。作者提出编译器后端 Trident，引入规格缓存模块（SCM），将多个特化版本的守卫选择、参数准备与主机执行编译为单一可执行模块，命中缓存时不必返回 Python。基于 Torch-MLIR 实现，在两个大语言模型上，模型级端到端延迟相较 eager 执行最多加速 1.47 倍，相较 torch.compile 最多加速 1.68 倍。
说明可微分双因果最优传输：通过双因果最优传输拟合参数化马尔可夫链的框架
简介该论文针对序贯决策中的模型学习问题，把双模拟度量（等价于双因果最优传输BOT）作为需要最小化的距离。作者证明BOT可写成线性规划，因而对模型动力学可微，并通过线性规划鞍点上的包络定理推导出精确的闭式梯度。据此提出可微分双因果最优传输算法D-BOT，并在状态空间压缩、参数化模型学习和基于观测的模仿学习三类任务上进行了实验验证。
说明主动提问：智能体如何追问用户没有提出的信息
简介论文研究工具使用型智能体在用户未明确提出的情况下，主动追问哪些信息。作者区分了横向主动性（追问当前语境已能识别的未说明信息）和纵向主动性（追问只有早先证据才能揭示的需求），并用基准任务分解得到的需求图来评分。他们提出 Q&D 方法，训练提问者偏好能获取更多所需证据的问题，在三个多跳问答基准上优于同模型的提示版本，并在客服模拟中减少了追问次数。
看点提出水平与垂直主动性的新区分，并用需求图无模型评分，训练问题提问器在多跳问答与客服场景中均有较完整实验支持。
说明框架化叙事：大语言模型中的意识形态模仿
简介该论文研究大语言模型在回答有争议政治议题时，是否会因用户的术语、前提假设和政治立场等信号而改变其表达的政治立场。作者构建了 Poli-SHIFT 数据集与评估框架，对七个开源权重模型在美国、英国和澳大利亚的十个争议议题上进行测试。结果显示，仅改变术语就会在16.9%的匹配比较中使模型支持的一方发生反转，且所陈述的政治意识形态也会使回答系统性地偏向用户立场。
说明DatalogBench：评估大语言模型的文本到 Datalog 程序合成能力
简介Datalog 常用于程序分析等推理任务，但编写其程序较为困难。本文提出 DatalogBench，包含 136 个从现有 Datalog 项目中整理的文本到 Datalog 合成任务，通过在保留输入上执行并与经变异分析验证的标准答案比对来评分。在六个大语言模型和四种提示配置下，完全匹配率最高为 68.4%；两个编码代理最高达到 83.8%，剩余错误主要集中在递归任务上。
说明看见不等于可用语言指代：审计冻结视觉几何的语言访问能力
简介论文研究视觉模型中一种差距：某些视觉区别在冻结的图像几何中可以被区分，却难以通过文本接口准确调用。作者基于FactorAtlas（含23,040张图像，涵盖形状、色调、图案和干扰变量的全交叉测试集）比较两种读出方式。结果表明，视觉可区分性与语言可指代性未必一致，匹配的视觉对比可用于探测并缩小这一差距。
说明AESOP：可控平移强度的非对称人物-相机联合生成框架
简介该论文提出AESOP框架，用于根据人体动作生成对应的相机轨迹，并可同时联合生成人体动作与相机。框架采用独立的人体分支与共享的人体条件相机生成器，人体输出在相机生成时保持不变。作者构造了仅相机平移幅度不同的轨迹对，以学习显式的平移强度控制条件。在PulpMotion数据集上的实验显示，两项任务的相机分布与取景质量较好，并能有效控制平移强度。
说明用于从奖励倾斜生成先验中采样的相互作用粒子引导（IPG）：一种在推理阶段调整预训练扩散或流模型以满足新目标、且避免权重退化的新采样方法。
简介论文指出，推理阶段引导可让预训练的扩散与流模型无需重新训练即可适应新任务，其本质是从奖励倾斜的生成先验中采样。针对现有序列蒙特卡洛（SMC）方法在实践中出现权重退化和粒子坍缩的问题，作者提出相互作用粒子引导（IPG），以输运代替重加权：粒子之间通过额外漂移项相互作用，粒子保持无权重。作者在再生核希尔伯特空间中选取漂移，得到计算开销较小的闭式解，并在已知后验的高斯混合以及高维图像修复和蛋白质结构推断任务上进行了验证。
说明沿实体查找：面向智能体搜索的语料地图（CorpusMap）
简介该论文针对大型文档集合中的跨文档问答问题，指出仅把语料当作平面文件时，智能体需要为每次查询重新发现文件之间的关联，容易漏掉互补证据并消耗更多token。作者提出CorpusMap，离线整理反复出现的实体，为每个实体建立汇总其信息并链接到所有提及它的文档的实体页，形成可供智能体遍历的图。实验使用7个模型和3个基准数据集，结果显示其相比原始语料的智能体搜索提升了证据发现与答案质量，且平均token消耗更少，并优于另外4种导航层方案。
说明ResComEmb：通过残差同质压缩实现高效多模态嵌入
简介该论文提出ResComEmb框架，用于生成多向量的通用多模态表示，在保持细粒度表达能力的同时降低存储与交互成本。其核心是可训练的残差同质压缩模块，并配合长度自适应的双向后期交互匹配进行查询-文档打分。在MMEB、ViDoRe V1和ViDoRe V2上的实验显示，其嵌入质量优于VLM2Vec-V2，且在视觉文档检索中仅用ColQwen2.5约37.5%的视觉token预算即超过后者。
说明CredWise：一个可解释、可审计的信贷风险评估智能决策框架
简介该论文提出 CredWise 框架，把信贷风险预测、概率校准、可解释 AI、政策检索、SQL 分析和受控的智能体工作流整合在一起。模型基于 Lending Club 数据（1,345,310 笔贷款，按时间划分训练、验证和测试集），测试集上校准后的模型 ROC-AUC 为 0.7109，校准显著降低了 Brier 分数和期望校准误差。作者称这是学术研究原型，最终决策仍由人工审核者作出。
说明OptiCom：面向大模型驱动优化的状态条件组合统一框架
简介论文指出，在大模型驱动的迭代优化中，不同搜索机制的有效性随候选质量、失败模式和资源预算而变化，动态协调这些机制是一个未解决的难题。作者提出 OptiCom 框架，用统一的配置空间表示优化器，由快速的大模型优化控制器组合即时机制，由较慢的策略适配器根据轨迹反馈调整长期偏好。在 32 组基准测试中，OptiCom 在 14 个配置中平均 Max-score 排名为 1.72，并在 23 组中取得最高分。
说明基于信息瓶颈引导的自适应超图Transformer用于脑疾病诊断
简介该论文提出信息瓶颈引导的自适应超图Transformer（IBAHGT），用于分析脑网络。方法通过信息瓶颈原理，在统一框架中自适应学习高阶相关性以及短程和长程依赖，以提高脑疾病诊断精度。论文称该方法优于现有最先进方法，并能识别可用于临床的生物标志物。
说明CRJudgeBench：AI能否识别看似合理却不成立的代码评审意见？
简介论文提出CRJudgeBench基准，包含1199个实例，取自真实拉取请求并经专家核验的扰动样本，涵盖技术上可信与看似合理但不可信的评审意见。作者还提出Sentinel，一个基于代码库、会主动收集代码证据以验证评审意见的智能体判断器。在359个测试实例上，Sentinel准确率为76.60%，高于GLM-5.3 6.13个百分点，并高于其基础模型。
说明基于重心锚定的权重搜索，用于稳健的模型融合
简介论文提出 Barycentric Anchored Search，一种事后权重空间方法，在不增加梯度训练和推理成本的前提下，提升微调视觉模型在分布偏移下的表现。方法利用两个在源数据上微调的检查点构造重心候选权重，并沿连接候选与预训练模型的方向做小规模无导数搜索，搜索依据是少量分布外（OOD）验证数据。实验基于 CLIP ViT-B/32，结果显示在 ImageNet-A、ImageNet-R、ImageNet-Sketch 等保留的 OOD 数据上有明显提升，同时 ImageNet 准确率保持有竞争力。
